从哪里可以看到制造业数据（我最不愿意看见的）

迈入大数据时代，数据呈现爆发式增长，数据的价值也日渐展现：企业可以借助消费数据洞察消费者需求，让生产更贴合市场；企业可以通过设备数据分析，识别设备异常，进行预测性维护，维持生产稳定；企业可以通过数据回溯，追溯产品质量问题的成因，及时调整生产，提升良品率……

数据的价值有目共睹，不少企业开始着手数字化转型。微软与IDC的合作研究显示，在应对新冠疫情的过程中，63%的中国企业加快了数字化进程。

图片来源：freepick

然而，在原材料成本增加、设备和技术相对落后、人才匮乏等问题困扰之下，制造型企业数字化开展困难重重。更令企业头痛的是，尽管数据无处不在，数据采集看似简单却有各种问题：数据分散在各处且多样化，通讯协议众多接口不统一，数据质量难以保证……数据采集往往是企业数字化第一步的拦路虎。

所以今天，我们就来一起来看看数据采集中常见的两个问题。

数据采集是行动，而决定行动的是目的。企业想要达到的目的不同，需要采集的数据便各不相同。计算机分析和处理问题的前提是人已经把问题想明白了，人把分析方法和处理方法编写成程序后，计算机才能分析和处理问题。

尤其是中小型企业，整个企业可能连ERP系统都没有，数据采集无法一步到位，数字化过程大多需要由点到线及面。做数据采集前，企业需要先想好应用场景，以问题为导向一层层往下梳理出需要采集的数据。

例如，企业计划提升产品质量，其中离不开生产设备和生产过程的相关数据采集：设备数据，包括开关机、电流、电压、温度、湿度等；生产数据，包括产量、进给速度、加工时长、良品率等；产品数据，包括材料信息、供应商、型号批次等；文档数据，包括生产流程图、检修数据，仿真数据等；其他数据，包括视频数据、图像数据、音频数据等。

现在我们知道需要采集的信息了，然而，第二个问题接踵而至。

图片来源：freepick

我们知道，工业现场极为复杂，除却人为因素，数据采集设备仍会受到测点、电磁、噪音、振动等条件影响，比如布线规划不当，就容易出现通讯过程中信息丢失、乱码等问题，影响数据质量。

此外，数据质量还需要注意各种情况，比如数据是否存在缺失，是否存在重复记录，是否存在解析错误等等。

因此，除了明白该采集什么数据，企业还需要明白对数据的要求是什么，统一数据采集标准，再通过数据清洗进一步提高数据质量。

数字化是一个持续改进的过程，需要企业沉下心来，仔细审视。数据采集是这个过程中的重要基础，数据“无用”是大家都不愿意看见的。只有这一步做好了，才能更好地让数据为企业服务，发挥价值，赋能生产。